1. 基础要求 - 计算机/电子工程/人工智能相关专业，硕士及以上学历 - 3年以上AI算力基础设施或大模型部署优化经验 2. 算力工程能力 - 精通 GPU/昇腾910B等AI芯片特性，具备集群部署经验。 - 熟悉 Kubernetes/Docker容器化部署及InfiniBand/RoCE高性能网络调优。 3. 模型优化能力: - 出色的编程能力, 数据结构及算法功底, 熟悉Python或C++高性能编程 - 熟悉至少一种主流深度学习编程框架(PyTorch/Tensorflow/Caffe) - 熟悉常用的LLM应用框架(Langchain, llamaindex等)的设计思路和使用 - 掌握大模型量化压缩技术,并对分布式训练框架（Megatron/DeepSpeed)有过原理及代码级的了解

1. 智算基础设施部署与优化 - 负责AI算力硬件（GPU/NPU集群）及PaaS平台的规模化部署、组网架构设计与性能调优（如RDMA网络优化） - 主导算力交付的可用性评测，制定性能基线指标并输出优化方案 2. 大模型算力选型与适配 - 结合业务场景需求（如训练/推理时延、吞吐量、成本），为千亿级大模型（如DeepSeek 67B/130B）提供算力架构选型建议（芯片类型/集群规模）及模型精度策略（FP8/BF16/INT8量化） - 对主流开源模型（LLaMA、ChatGLM、DeepSeek等）进行算力适配优化，包括算子融合、编译优化、显存压缩等技术落地 3. 算力使用及性能瓶颈优化 - 分析算力不足或模型性能瓶颈根因，指导并参与应用层服务优化或数智中台功能升级（如自动弹性伸缩、资源调度策略), 指导并参与实施性能优化方案